摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-18页 |
1.1 智能家居简介 | 第10-11页 |
1.2 智能家居照明系统的研究现状和发展趋势 | 第11-15页 |
1.2.1 智能家居照明系统的产生 | 第11页 |
1.2.2 智能家居照明系统的发展 | 第11-15页 |
1.3 模糊神经控制在智能家居照明控制系统的应用 | 第15-16页 |
1.3.1 智能家居照明控制器的发展现状 | 第15-16页 |
1.3.2 模糊神经网络技术在智能家居照明控制系统的应用 | 第16页 |
1.4 本文研究的主要内容 | 第16-18页 |
第二章 照明控制系统的相关技术研究 | 第18-28页 |
2.1 信息融合技术研究 | 第18-20页 |
2.1.1 光环境探测的多传感器信息融合 | 第18-19页 |
2.1.2 信息融合实现方式 | 第19-20页 |
2.2 Cortex-M3 平台的介绍 | 第20-21页 |
2.2.1 STM32 的简介 | 第20页 |
2.2.2 STM32F107 处理器的技术特点 | 第20-21页 |
2.3 短距离无线通信技术研究 | 第21-23页 |
2.4 智能控制技术研究 | 第23-27页 |
2.4.1 智能控制的起源和发展 | 第23-24页 |
2.4.2 智能控制的技术特点和主要类型 | 第24-27页 |
2.5 本章小结 | 第27-28页 |
第三章 系统方案总体研制 | 第28-42页 |
3.1 照明控制系统研制设计思路 | 第28-29页 |
3.1.1 系统研制设计原则和实现目标 | 第28-29页 |
3.1.2 系统方案研制设计 | 第29页 |
3.2 照明光环境分析及场景设置 | 第29-31页 |
3.2.1 照明光环境的现状分析 | 第29-30页 |
3.2.2 照明光环境质量研究 | 第30-31页 |
3.2.3 照明光环境场景设置 | 第31页 |
3.3 照明光环境传感器的选配 | 第31-33页 |
3.3.1 几种照明光环境传感器的特征分析 | 第31-32页 |
3.3.2 照明光环境传感器的选配 | 第32-33页 |
3.4 智能家照明控制系统算法的研究 | 第33-40页 |
3.4.1 BP 神经网络算法结构模型 | 第33-34页 |
3.4.2 BP 神经网络算法的学习公式分析 | 第34-35页 |
3.4.3 模糊推理算法 | 第35-38页 |
3.4.4 本文采用的照明控制系统算法 | 第38-40页 |
3.5 智能家居照明控制系统算法实现方式的研制 | 第40页 |
3.6 本章小结 | 第40-42页 |
第四章 照明系统控制算法实现 | 第42-54页 |
4.1 照明光环境数据的预处理 | 第42-43页 |
4.2 基于 BP 神经网络光环境特征层的数据融合 | 第43-45页 |
4.2.1 室内照明分布预测模型结构的选取 | 第43-44页 |
4.2.2 样本学习训练 | 第44-45页 |
4.3 基于模糊推理光环境特征层的数据融合 | 第45-49页 |
4.3.1 输入输出变量的模糊化 | 第45-46页 |
4.3.2 隶属度函数及论域选取 | 第46-47页 |
4.3.3 模糊规则研制设计 | 第47-49页 |
4.4 基于模糊神经网络的系统控制器研制设计 | 第49-53页 |
4.4.1 模糊神经网络在控制器中的应用依据 | 第49页 |
4.4.2 基于模糊神经网络的控制器研制设计 | 第49-50页 |
4.4.3 基于模糊神经网络的光环境特征层数据融合 | 第50-52页 |
4.4.4 误差来源分析 | 第52-53页 |
4.5 本章小结 | 第53-54页 |
第五章 系统各模块的研制设计与实现 | 第54-68页 |
5.1 照明控制模块研制设计与实现 | 第54-58页 |
5.1.1 照明控制模块硬件研制设计 | 第54-56页 |
5.1.2 照明控制模块驱动研制设计与实现 | 第56-58页 |
5.2 智能控制节点的研制设计实现 | 第58-64页 |
5.2.1 数据采集模块研制设计 | 第59-61页 |
5.2.2 2.4G 无线通信模块 | 第61-62页 |
5.2.3 智能控制节点的软件实现 | 第62-64页 |
5.3 智能控制中心模块的实现 | 第64-67页 |
5.4 本章小结 | 第67-68页 |
第六章 结论 | 第68-70页 |
6.1 总结 | 第68-69页 |
6.2 展望 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74页 |